一般注記application/pdf
21世紀の地球環境時代においては、限りのある地球資源を有効に活用し、持続的な発展が強く求められる今日、設備の安全、安心を確保するメンテナンス技術の重要性はますます高まっている。設備診断技術は、設備メンテナンスの中核技術であり、設備の安全を確保する技術として一段と注目されている。回転機械は工業と農業の生産プラントに最も常用されている重要な設備で、そのトラブルや故障は生産や品質に与える悪影響が大きなものである。回転機械の異常診断は簡便さから振動法によるものが主流であるが、現在の振動法による回転機械の異常診断の主な問題点と本研究の内容は次のように挙げられる。 1、異常信号の抽出法の研究 設備故障の初期段階で、または危険な生産環境と有毒な加工物などの原因を考え、故障部位から遠く離れた距離で測定した信号はノイズに強く汚染され、異常信号成分が比較的微小であるから、このような信号から異常パターンの特徴を抽出することが困難である。ノイズ除去すれば、異常の識別が容易になるため、ノイズの除去は設備診断にとって最も重要な信号処理の内容である。ノイズの除去についてはこれまでに多くの方法が提案されているが、設備診断のときに測定した信号は必ずしもこれらの方法の前提条件を満足するとは限らない。したがって、本研究では情報工学理論や信号処理方法などを用いて、回転機械の故障診断に適したノイズ除去法について研究した。本論文では、特に一般的に困難とされている低速軸受診断について、計測されたAE信号と振動信号から強いノイズを除去し、微小な異常信号を抽出する方法について検討し、ノイズの除去効果、すなわちAE信号と振動信号による低速軸受診断の精度を比較評価した。 2、診断用特徴パラメータ抽出の研究 コンピュータにより異常検出および異常種類の識別を自動的に行う場合は、対象の信号の特徴を示す有限個のパラメータを計算する必要がある。設備状態を鋭敏に反映するパラメータを診断用の「特徴パラメータ」という。しかし、異常パターンが多く、異常のメカニズム解明が困難な場合、上記のような特徴パラメータの選定は、多くの時間と労力を要するだけでなく、最適な特徴パラメータが見つけるとも限らない。 これらの問題点を解決するために、本研究では情報工学理論や統計理論を用いて、回転機械診断用の特徴パラメータを効率よく抽出する方法について研究し、実際の設備診断へ応用した。3、知的診断法の研究 計測した信号からノイズを除去し、特徴パラメータを算出した後、正常か、または異常種類の識別を行うが、その内容と目的は次のようにまとめられる。 (1)設備の状態を定量的に、かつタイムリーに把握する。 (2)異常の有無を識別し、異常の場合は、その原因や部位を特定し、異常種類の識別は特徴パラメータの値の評価によって行われる。 しかし、現場では、測定条件、運転条件、測定者の技能および異常の程度等々の要因により、測定信号や特徴パラメータから得られた診断情報があいまいなケースが多いから、異常の症状と原因との関係が不明確になり、できるだけ明確な診断結論を得るために複雑な診断アルゴリズムが必要である。これまでに多くの診断アルゴリズムが提案されているが、現場の客観的な実データに基づいた自動的な確率診断アルゴリズムが少なく、高精度な診断結果を得るための確率的な診断方法には多くの課題が残されている。 従って、本研究では、ノイズが除去された振動信号から特徴パラメータを求め、特徴パラメータと各状態を節としたベイジアンネットワーク(bayonet)により設備状態を確率的かつ自動的に診断する方法を提案した。また、回転機械設備を診断する場合、単一な位置・方向で測定した振動信号を使って多種類の異常を検出・識別することは困難な場合が多いから、複数位置・方向で測定した振動信号(以下、「多チャンネル信号」とよぶ)から算出した有次元特徴パラメータを用いてベイジアンネットワーク(BN)により簡易診断を行い、異常の有無(状態の変化の有無)を判定する。簡易診断で異常が検出された後、多チャンネル信号から算出した無次元特徴パラメータを用いてベイジアンネットワーク(BN)により異常種類を判定するという逐次型ベイジアンネットワーク(SBN)および多チャンネル信号融合による設備診断法を提案し、提案した方法を回転機械の構造系異常(ミスアライメント、緩み、アンバランス)の自動的監視・診断に応用し、その有効性が確認した。
本文 / 三重大学大学院生物資源学研究科
4, 3, 96p
コレクション(個別)国立国会図書館デジタルコレクション > デジタル化資料 > 博士論文
受理日(W3CDTF)2015-02-03T05:25:05+09:00
連携機関・データベース国立国会図書館 : 国立国会図書館デジタルコレクション